第05讲-关联规则.pdfVIP

北京理工大学珠海学院

数理学院统计系：陈灵

第5讲

关联规则

关联规则

关联规则

列联表是传统统计中度量两个分类变量关系强弱的

方法，这一方法是针对两个固定变量相互关系的测

量和评定方法。

实际中，常常会碰到大规模变量之间关系的辨识问

题。比如：超市的购物篮数据中，哪些物品在选购

时更倾向于同时被选中，这是消费者购买行为分析

中的一个重要问题。

关联规则

一些规则是常识性的规则，比如购买手机的人更倾

向于购买耳机，另外一些规则具有启发性，比如：

购买面包和盒装饮料的人更倾向于购买旅行包和旅

游餐具。

验证后能够指导超市管理人员优化货架规划，比如

通过设计面包与旅行包之间的可达路经较短，促进

商品的销量双双增加。

关联规则的核心是算法，称为购物篮分析。

关联规则

理解关联规则（associationrule）

一个典型的规则可以表达如下的形式：

{花生酱，果冻}{面包}

即，如果购买花生酱和果冻，那么很有可能会买面

包。换句话说，“花生酱和果冻意味着面包”！

研究具有某种规律的集合{花生酱，果冻，面包}

关联规则

关联规则与前面的章节不同，它不能用了预测，所

以不需要训练算法，也不需要测试标记数据集。

关联规则学习称为无指导学习。

它的缺点是，没有一个简单的方法来客观地衡量一

个关联规则学习算法的性能。

关联规则用来搜索大变量之间的有趣关系。

肿瘤数据分析

信用卡欺诈

客户放弃某种服务

关联规则

静态关联规则学习的Apriori算法

常用的关联规则算法有Apriori算法、

GRI(GeneralizedRuleInduction)算法和Carma

算法。

其中Apriori算法是由Agrawal、Imielinski和

Swami于1993年设计的比较有代表性的发现关联

规则的算法，也是常用的发现关联规则的算法。

它是发现布尔关联规则所需频繁项集的基本算法。

Apriori算法是一种先验概率算法，它利用了频集特

性的先验知识，采取层次顺序搜索的循环方法来完

成频繁项集的挖掘工作。

关联规则

事物型数据的复杂性

某零售商仅售100种不同的商品，大约会有2100个

子集。

要在这么庞大的子集中找到关联算法不容易。

我们要有一个灵敏的规则学习算法才行。实际上有

很多子集是罕见的，例如：

{机油，口红}

我们可以忽略这个子集，专门研究频繁的子集或称

为：项集（频繁集）。

{机油，口红}是频繁的当且仅当{机油}和{口红}是

频繁的

关联规则

Apriori算法用到“趣味性”

1.度量规则兴趣度

2.Apriori原则

关联规则

1.度量规则兴趣度

支持度（support）是指其在数据中出现的频

率。

support（X）=count（X）/N

N表示数据集中交易的次数

count（X）表示X出现在交易中的次数

关联规则

置信度（confidence）是指该规则的准确度的

度量，它定义为同时包含项集X和项集Y的支持度

的商：

confidence（XY）

=support（X，Y）/support（X）

关联规则

案例：医院礼品店

关联规则

N=5，count（flowers）=4，

count（getwellcard）=3

support（flowers）

=count（flowers）/N

=4/5

support（getwellcard）

=count（getwellcard）/N

=3/5